我正在编写一个分析 html 文件的 bash 脚本，我想获取每个<tr>...</tr>. 所以我的命令看起来像：
$ tr -d \\012 < price.html | grep -oE '<tr>.*?</tr>'
但这似乎grep给了我以下结果：
$ tr -d \\012 < price.html | grep -oE '<tr>.*</tr>'
我怎样才能做到.*不贪心？
问问题
11322 次
4 回答
17
如果你有GNU Grep你可以使用-P使匹配非贪婪：
$ tr -d \\012 < price.html | grep -Po '<tr>.*?</tr>'
该选项启用非贪婪匹配所需的-PPerl 兼容正则表达式(PCRE)? ，因为基本正则表达式(BRE)和扩展正则表达式(ERE)不支持它。
如果您正在使用-P，您还可以使用环视来避免在匹配中打印标签，如下所示：
$ tr -d \\012 < price.html | grep -Po '(?<=<tr>).*?(?=</tr>)'
如果您没有GNU grep并且 HTML 格式正确，您可以这样做：
$ tr -d \\012 < price.html | grep -o '<tr>[^<]*</tr>'
注意：上面的示例不适用于<tr>.
于 2013-10-01T20:25:19.267 回答
4
非贪婪匹配不是grep -E. grep -P如果你有，请改用，或者切换到 Perl / Python / Ruby / 你有什么。（哦，还有pcregrep。）
当然，如果你真的是说
<tr>[^<>]*</tr>
你应该这样说；那么普通的旧的grep就可以了。
您可以（繁琐地）扩展正则表达式以接受嵌套标签，<tr>但当然，最好使用适当的 HTML 解析器，而不是花大量时间重新发现为什么正则表达式不是正确的工具。
于 2013-10-01T20:26:21.403 回答
3
.*?是一个 Perl 正则表达式。改变你grep的
grep -oP '<tr>.*?</tr>'
于 2013-10-01T20:25:25.420 回答
3
尝试 perl 风格的正则表达式
$ grep -Po '<tr>.*?</tr>' input
<tr>stuff</tr>
<tr>more stuff</tr>
于 2013-10-01T20:25:49.047 回答